Compared performance of Covid19 reproduction number estimators based on realistic synthetic data - ENS de Lyon - École normale supérieure de Lyon Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Compared performance of Covid19 reproduction number estimators based on realistic synthetic data

Performances comparées d'estimateurs du coefficient de reproduction de la Covid19 à l'aide de données synthétiques réalistes

Juliana Du
  • Fonction : Auteur
  • PersonId : 1238123
  • IdHAL : juliana-du
Patrice Abry

Résumé

Accurate estimation of the reproduction number is a major challenge for the surveillance and control of epidemics. To evaluate and compare several estimators proposed during the Covid19 pandemic, a procedure for generating realistic synthetic epidemiological data is designed, reflecting both the epidemic spread, following the epidemiological model proposed by Cori et al., and the degraded collection of infection counts (erroneous figures, missing data). Monte Carlo simulations over a large set of synthetic data with different dynamics yield quantitative assessment of reproduction number estimation performance.
Estimer précisément le coefficient de reproduction est un enjeu majeur pour surveiller et contrôler une épidémie. Afin d'évaluer et de comparer plusieurs estimateurs proposés durant la pandémie de Covid19, une procédure de génération de données épidémiologiques synthétiques réalistes est élaborée, reflétant à la fois la propagation épidémique, suivant le modèle épidémiologique proposé par Cori et col., et un processus de collecte de nombre de cas dégradé (erreur de report, données manquantes). Des simulations de Monte Carlo sur un large jeu de données synthétiques aux dynamiques variées fournissent une évaluation quantitative des performances d'estimation du coefficient de reproduction.
Fichier principal
Vignette du fichier
GRETSI2023_JD_BP_PA.pdf (653.86 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04032614 , version 1 (16-03-2023)
hal-04032614 , version 2 (14-04-2023)

Licence

Paternité

Identifiants

  • HAL Id : hal-04032614 , version 2

Citer

Juliana Du, Barbara Pascal, Patrice Abry. Compared performance of Covid19 reproduction number estimators based on realistic synthetic data. Colloque Francophone de Traitement du Signal et des Images (GRETSI), GRETSI, Aug 2023, Grenoble, France. ⟨hal-04032614v2⟩
102 Consultations
32 Téléchargements

Partager

Gmail Facebook X LinkedIn More